架构 2026-10-26 10 分钟

缓存旁路:一致性、穿透与雪崩的工程取舍

SinleyCoooper 发布于 约 10 分钟阅读

Cache-Aside(旁路缓存)大概是后端最常被复制的一段代码:读时先查缓存,未命中回源并写回;写时先落库,再删缓存。它简单到几乎不需要设计,也正因为简单,出问题时往往没人说得清是哪里错了。

三个动作,两个失败点

读路径是 get → miss → 回源 → set,写路径是 写库 → 删缓存。真正需要决策的只有两处:删除还是更新,以及删除失败怎么办。

  • 删除优于更新:更新缓存要处理并发写覆盖,还要为「缓存里的值该长什么样」维护第二套序列化逻辑。
  • 删除必须可重试:删失败只打日志,等于把脏数据留到 TTL 过期,热点 key 上就是十分钟的错数据。

先落库,还是先删缓存

先删缓存再写库,中间那段窗口里,读请求会把旧值重新加载进缓存,而且这次加载没有 TTL 兜底,脏数据可能停留很久。先写库再删缓存,窗口只剩「删除完成前」的极短时间,风险小得多。

go
func (s *Store) UpdateUser(ctx context.Context, u User) error {
    if err := s.db.UpdateUser(ctx, u); err != nil {
        return err
    }
    // 落库成功后再删缓存;删失败进重试队列,不能只打日志
    if err := s.cache.Del(ctx, userKey(u.ID)); err != nil {
        s.retry.Push(DelJob{Key: userKey(u.ID), At: time.Now().Add(time.Second)})
    }
    return nil
}

仍然存在一个理论上的竞态:读请求在删除之前读到了旧值,删除之后才把旧值写回缓存。工程上的处理是「延迟双删」或者给缓存值带上版本号,前者简单粗暴,后者更贵但可验证。选哪个取决于这条数据的错误成本,而不是取决于哪个听起来更高级。

一致性不是一个开关,而是一笔时间预算:你能容忍多久的旧值,就决定了要不要加锁、加版本号、加延迟双删。

穿透、击穿、雪崩不是一件事

这三个词经常被混着说,但根因完全不同,对策也不能互换:

穿透、击穿与雪崩的区别
现象根因常用对策
穿透查询根本不存在的数据,每次都打到库空值缓存(短 TTL)、布隆过滤器、参数校验
击穿单个热点 key 过期,瞬间并发回源单飞(singleflight)、逻辑过期 + 异步刷新
雪崩大量 key 同时失效,或缓存整体不可用TTL 加随机抖动、多级缓存、限流与降级

按根因选对策,别混着上

穿透用空值缓存就够,别上布隆过滤器自找维护成本;击穿的核心是「同一时刻只放一个请求回源」,用进程内的 singleflight 往往比分布式锁更划算;雪崩更接近容量问题,先限流保住数据库,再谈恢复。

热点 key 与本地缓存

单个 key 的 QPS 高到 Redis 单分片吃力时,加机器没用——它始终落在同一个 slot。常见做法是在应用侧加一层本地缓存,把读放大留在进程内,同时接受「多实例之间短暂不一致」。这时 TTL 不再是性能参数,而是你承诺的一致性窗口,写进文档比写进代码更重要。

把预算写下来

一个可用的缓存方案,至少要能回答四个问题:

  1. 这条数据允许旧多久?(TTL 与延迟双删的依据)
  2. 缓存挂了,读请求打到哪里?(降级路径)
  3. 回源被打穿时,谁先被限流?(保护数据库的顺序)
  4. 怎么发现脏数据?(对账任务或版本号校验)

回答不出来,代码写得再漂亮也只是把风险藏进了注释里。